Data Driven Developer Meetup #4 まとめ

nishiba@Sansan VPoE/VPoP @m_nishiba

サポート問合せの数の予測をして人員計画を出しているのか。 #d3m

すがや🏕@アウトドア社長 @sugartaker

#d3m きたった！ d3m.connpass.com/event/115217/

teshikenn @teshikenn4

#d3m に来てます！ d3m.connpass.com/event/115217/?…

Agata Naomichi @agatan_

個人事業主は確定申告期に問い合わせが急増するのかーなるほど #d3m

さんじょう さとし @johshisha

問い合わせ数綺麗な周期性があるんだな #d3m

odan @odan3240

顧客からの問い合わせ数を予測してアルバイトを何人雇えばいいかを判断するの面白い #d3m

Agata Naomichi @agatan_

精度だけじゃなくてモデルの傾向もみるの難しそう #d3m

odan @odan3240

コストより満足度を選ぶので誤差が上振れるのを許容 #d3m

yusuken @yusukensanta

服装がめっちゃ似てる #d3m

Miyatti @y4tk38

最初のTalkは、問い合わせ件数予測からサポート人員計画に繋げる話。予測精度はXGBoostingの方が高いが、Gradient Boostingを採用。理由は予測結果が実際よりも上振れ傾向にあるため。その方が高コストだが、顧客満足度は高まる方向。誤差関数をうまく設定できれば上振れ下振れを表現できそう。　#d3m

nishiba@Sansan VPoE/VPoP @m_nishiba

質問がちゃんと出てていい勉強会ですね。 #d3m

Kien Y. Knot🤔 @0_u0

#d3m 時系列データとしてのトレンド・周期性は機械学習のツールでも加味されているのか？ →時系列分析も試行してモデル比較をした上で，予測の精度や誤差許容度を踏まえてGB/XGBを使った

icebee @icebee__

きた #d3m

Kien Y. Knot🤔 @0_u0

#d3m upura氏の業務紹介です(書・買いました)

Agata Naomichi @agatan_

技術書典 5 の内容！！ #d3m

nishiba@Sansan VPoE/VPoP @m_nishiba

なんかすごい。 #d3m

odan @odan3240

日経新聞すごい #d3m

gota-morishita @GotaMorishita

12月で22本ブログ執筆はすごい #d3m

Kien Y. Knot🤔 @0_u0

#d3m (Gradient Boostingなら時系列も扱えるはず……(？))

yaginuuun @yaginuuun

#d3m データドリブンチームって良いな☺️

Agata Naomichi @agatan_

もともとかなりちゃんとデータ分析とかをやってるイメージだったけど、想像以上に力入れてるんですね！ #d3m

Miyatti @y4tk38

ゆーぷらさんの使用言語： SQL, Python, R, node.js, 日本語 #d3m

Kien Y. Knot🤔 @0_u0

#d3m 会社の教育制度でデータ分析をするやつ，すごい．

teshikenn @teshikenn4

日経は、新聞社の中でもエンジニアについて理解があって働きやすそうなイメージ #d3m

おばけ👻 @triwave33

u++さん来た！ #d3m